神经网络响应面在堆石坝流变反演中的应用

杨利霞

神经网络响应面在堆石坝流变反演中的应用

7 I5 w6 Q2 `( E+ N" h& g

. g/ o4 m% [! D
, Z: t! H6 I4 ?. O3 f& h  s堆石体的流变参数对高面板堆石坝的长期安全性分析具有重要意义。参数反演可以准确获得符合坝体实
际长期变形规律的流变参数。本文分别采用反向传播神经网络（
BP
）和径向基神经网络（
6 }6 [6 O% }% P# k# ~* N, SRBF
）构造出待反演参
) c$ C( f! {: V0 l数与位移值之间的响应，引入统计学回归预测模型中的均方根误差（
, @( v% m6 `$ Q) c. W/ l: N, CRMSE
），平均绝对百分比误差（
MAPE
8 V- K0 D9 G: j: d+ I; |）和
线性回归决定系数（
R
2
. C0 M5 J( X% M）等指标来全面评估不同神经网络响应面映射能力的优劣，从而提高参数反演的效率和准
确率。结果表明，
RBF
神经网络响应面的评估指标均优于
$ C; W6 _6 y! nBP
神经网络响应面。利用
& p. N1 x) y- h6 aRBF
" R  F- \, U; {! L4 _! t9 y! s神经网络响应面和多种
6 c8 Q6 P& J% C7 g9 C' I! P群遗传算法（
0 q1 ]! E' m1 e2 oMPGA
1 X9 ~+ @+ w) q4 p! r1 _1 P; h）优化理论得到反演后的流变参数并将其用于有限元计算，得到的蓄集峡坝体沉降值在大小
和分布上与实测值有显著的一致性。
, O! ?( t1 R5 ^  u